Azure Speech

Azure Speech 是一個 Azure AI Speech 文字轉語音提供商。在 OpenClaw 中，它預設將輸出回覆音訊合成為 MP3，語音訊息則為原生 Ogg/Opus 格式，而語音通訊等電信管道則使用 8 kHz mulaw 音訊。

OpenClaw 直接透過 SSML 使用 Azure Speech REST API，並透過 X-Microsoft-OutputFormat 傳送提供商擁有的輸出格式。

詳細資訊	數值
網站	Azure AI Speech
文件	Speech REST 文字轉語音
驗證	`AZURE_SPEECH_KEY` 加上 `AZURE_SPEECH_REGION`
預設語音	`en-US-JennyNeural`
預設檔案輸出	`audio-24khz-48kbitrate-mono-mp3`
預設語音訊息檔案	`ogg-24khz-16bit-mono-opus`

開始使用

建立 Azure Speech 資源
在 Azure 入口網站中，建立 Speech 資源。從資源管理 > 金鑰和端點複製 金鑰 1 (KEY 1)，並複製資源位置，例如 eastus。
```
AZURE_SPEECH_KEY=
```
AZURE_SPEECH_REGION=eastus

在 messages.tts 中選取 Azure Speech

{
  messages: {
    tts: {
      auto: "always",
      provider: "azure-speech",
      providers: {
        "azure-speech": {
          voice: "en-US-JennyNeural",
          lang: "en-US",
        },
      },
    },
  },
}

傳送訊息
透過任何連接的管道傳送回覆。OpenClaw 會使用 Azure Speech 合成音訊，並針對標準音訊傳送 MP3，當管道預期為語音訊息時則傳送 Ogg/Opus。

組態選項

選項	路徑	描述
`apiKey`	`messages.tts.providers.azure-speech.apiKey`	Azure Speech 資源金鑰。會回退至 `AZURE_SPEECH_KEY`、`AZURE_SPEECH_API_KEY` 或 `SPEECH_KEY`。
`region`	`messages.tts.providers.azure-speech.region`	Azure Speech 資源區域。會回退至 `AZURE_SPEECH_REGION` 或 `SPEECH_REGION`。
`endpoint`	`messages.tts.providers.azure-speech.endpoint`	選用的 Azure Speech 端點/基底 URL 覆寫。
`baseUrl`	`messages.tts.providers.azure-speech.baseUrl`	選用 Azure Speech 基礎 URL 覆寫。
`voice`	`messages.tts.providers.azure-speech.voice`	Azure 語音 ShortName（預設為 `en-US-JennyNeural`）。
`lang`	`messages.tts.providers.azure-speech.lang`	SSML 語言代碼（預設為 `en-US`）。
`outputFormat`	`messages.tts.providers.azure-speech.outputFormat`	音訊檔案輸出格式（預設為 `audio-24khz-48kbitrate-mono-mp3`）。
`voiceNoteOutputFormat`	`messages.tts.providers.azure-speech.voiceNoteOutputFormat`	語音備忘錄輸出格式（預設為 `ogg-24khz-16bit-mono-opus`）。

注意事項

驗證

Azure Speech 使用的是 Speech 資源金鑰，而非 Azure OpenAI 金鑰。該金鑰會以 Ocp-Apim-Subscription-Key 的形式傳送；除非您提供 endpoint 或 baseUrl，否則 OpenClaw 會從 region 推導出 `https://

.tts.speech.microsoft.com`。

語音名稱

請使用 Azure Speech 語音的 ShortName 值，例如 en-US-JennyNeural。隨附的提供者可以透過相同的 Speech 資源列出語音，並篩選出標記為已棄用或已淘汰的語音。

音訊輸出

Azure 接受的輸出格式包括 audio-24khz-48kbitrate-mono-mp3、 ogg-24khz-16bit-mono-opus 和 riff-24khz-16bit-mono-pcm。OpenClaw 會針對 voice-note 目標請求 Ogg/Opus 格式，以便通道能夠發送原生語音氣泡，而無需額外進行 MP3 轉換。

別名

為了相容現有的 PR 和使用者設定，系統接受將 azure 作為提供者別名，但新設定應使用 azure-speech 以避免與 Azure OpenAI 模型提供者混淆。

Azure Speech

開始使用

組態選項

注意事項

相關